Composant Trino facultatif pour Dataproc

Vous pouvez installer des composants supplémentaires tels que Trino lorsque vous créez un Dataproc à l'aide de la commande Composants facultatifs . Cette page explique comment installer le composant Trino sur un cluster Dataproc.

Trino est une chaîne et le moteur de requêtes SQL source. Le serveur et l'interface utilisateur Web de Trino sont disponibles par défaut sur le port 8060 (ou le port 7778 si Kerberos est activé) sur le premier nœud maître du cluster.

Par défaut, Trino sur Dataproc est configuré pour fonctionner avec les connecteurs Hive, BigQuery, Memory, TPCH et TPCDS.

Après avoir créé un cluster avec le composant Trino, vous pouvez exécuter des requêtes :

• à partir d'un terminal local avec la commande gcloud dataproc jobs submit trino ;
• à partir d'une fenêtre de terminal sur le premier nœud maître du cluster à l'aide de l'interface de ligne de commande trino (voir Utiliser Trino avec Dataproc).

Installer le composant

Installez le composant lorsque vous créez un cluster Dataproc.

Consultez la section Versions Dataproc compatibles pour obtenir la version de composant incluse dans chaque version d'image Dataproc.

Commande gcloud

Pour créer un cluster Dataproc incluant le composant Trino, exécutez la commande gcloud dataproc clusters create cluster-name avec l'option --optional-components.

Lors de la création du cluster, exécutez la commande gcloud dataproc clusters create avec la commande --enable-component-gateway, comme indiqué ci-dessous, pour permettre la connexion à l'interface utilisateur Web de Trino à l'aide de Passerelle des composants.

gcloud dataproc clusters create cluster-name \
    --optional-components=TRINO \
    --region=region \
    --enable-component-gateway \
    ... other flags

Configurer les propriétés

Ajoutez l'option --properties à la gcloud dataproc clusters create pour définir les propriétés de configuration trino, trino-jvm et trino-catalog.

• Propriétés de l'application:utilisez les propriétés du cluster avec la propriété Préfixe trino: à configurer Propriétés d'application trino (par exemple, --properties="trino:join-distribution-type=AUTOMATIC").
• Propriétés de configuration de la machine virtuelle Java : utilisez les propriétés de cluster avec le préfixe trino-jvm: pour configurer les propriétés de la machine virtuelle Java pour les processus Java des coordinateurs et des nœuds de calcul de Trino, par exemple --properties="trino-jvm:XX:+HeapDumpOnOutOfMemoryError".
• Créer des catalogues et ajouter des propriétés de catalogue : utilisez trino-catalog:catalog-name.property-name pour configurer les catalogues Trino.

  Exemple : l'option "propriétés" suivante peut être utilisée avec la commande "gcloud dataproc clusters create" pour créer un cluster Trino avec un catalogue Hive "prodhive". Un fichier prodhive.properties sera créé sous /usr/lib/trino/etc/catalog/ pour activer le catalogue de prodhives.

  --properties="trino-catalog:prodhive.connector.name=hive,trino-catalog:prodhive.hive.metastore.uri=localhost:9000"

API REST

Vous pouvez spécifier le composant Trino via l'API Dataproc à l'aide de SoftwareConfig.Component dans le cadre d'un clusters.create requête.

À l'aide de l'API Dataproc v1, définissez la propriété EndpointConfig.enableHttpPortAccess sur true dans la requête clusters.create pour activer la connexion à l'interface utilisateur Web de Trino à l'aide de la passerelle des composants.

Console

1. Activez le composant et la passerelle des composants.
   • Dans la console Google Cloud, ouvrez Dataproc Créer un cluster . Le panneau "Configurer un cluster" est sélectionné.
   • Dans la section Composants :
     • Sous "Optional components" (Composants facultatifs), sélectionnez Trino et d'autres options facultatives à installer sur votre cluster.
     • Sous "Passerelle des composants", sélectionnez "Activer la passerelle des composants" (consultez la section Afficher les URL de la passerelle des composants et y accéder).